Menü
Extract text, images, tables, and formulas from PDF documents and convert them to Markdown format while preserving original structure. Use when processing PDF files, extracting content, or converting PDF to Markdown.
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
用 negentropy-perceives 的 parse_pdf_to_markdown 经 Knowledge Base Documents Ingest 将 PDF 一比一还原为可渲染 Markdown（文字、段落顺序、高清原图、图片显示尺寸、目录、表格、数学公式、代码块、注释），大文件分批，逐页浏览器对比、发现一处修一处，直至完全一致。Use when ingesting/restoring a PDF into a Knowledge corpus with high fidelity.
将 Knowledge / Documents 文档的英文 Markdown 正文按段落分块高保真翻译为中文：代码块、行内代码、URL、图片路径、LaTeX 公式、HTML 标签、front-matter 键名逐字节保留不翻，Markdown 结构与原文一一对应，逐块翻译禁止合并/拆分/遗漏。Use when translating chunked Markdown documents (source/chunk_NNNN.md → translated/chunk_NNNN.md) in a translation workdir.
Manage large document processing by splitting into batches and coordinating the full translation workflow (extraction, translation, formatting). Use when handling documents larger than 30 pages, 60 paragraphs, or 6000 words.
对文档进行系统性 Review，包括但不限于：审计与熵减优化，确保架构正交、逻辑自洽、内容完整且直观。
将 PDF 格式或 Web Page 格式的源文档转换成保持原排版格式的 Markdown 格式精译中文文档。
仔细阅读并理解目标文档全文，输出一个对目标文档的理解摘要和读后感悟，将之保存到愫读文档中。
| name | pdf-reader |
| description | Extract text, images, tables, and formulas from PDF documents and convert them to Markdown format while preserving original structure. Use when processing PDF files, extracting content, or converting PDF to Markdown. |
| allowed-tools | data-extractor, zai-mcp-server, filesystem |
专门处理 PDF 文档的内容提取，保持原文档的结构和格式。
使用 data-extractor.convert_pdf_to_markdown：
参数配置:
extract_images: true # 提取图片
extract_tables: true # 提取表格
extract_formulas: true # 提取公式
embed_images: false # 图片保存为独立文件
include_metadata: true # 包含文档元数据
使用 data-extractor.batch_convert_pdfs_to_markdown：
[start, end]使用 zai-mcp-server 分析图片内容：
/path/to/source/images/pdf_name/figure_{N}_{description}.png# 文档标题
## 元数据
- **标题**: {title}
- **作者**: {author}
- **页数**: {page_count}
- **创建时间**: {creation_date}
## 内容
### 1. 章节标题
章节内容...
| 表格标题 |
| -------- |
| 内容 |
$$
数学公式
$$
{
"success": true,
"content": "Markdown 格式的内容",
"metadata": {
"title": "文档标题",
"author": "作者",
"page_count": 150,
"creation_date": "2025-01-01"
},
"assets": {
"images": [
{
"filename": "figure_1_diagram.png",
"path": "../images/pdf_name/figure_1_diagram.png",
"description": "系统架构图"
}
],
"tables": 5,
"formulas": 12
},
"statistics": {
"total_words": 15000,
"total_paragraphs": 80,
"processing_time": "2.5s"
}
}
提取这个 PDF 的内容：/path/to/document.pdf
提取 PDF 的第 10-20 页：/path/to/document.pdf [10, 20]
批量处理这些 PDF：
- /path/to/doc1.pdf
- /path/to/doc2.pdf
- /path/to/doc3.pdf
提取 PDF 内容，需要包含所有图片和表格，但不提取公式：/path/to/document.pdf
提取 PDF 的第 10-20 页（用于批次处理）：/path/to/document.pdf --range 10-20
批量处理这些 PDF，每个文档独立处理：
- /path/to/doc1.pdf
- /path/to/doc2.pdf
- /path/to/doc3.pdf